=Paper=
{{Paper
|id=Vol-1752/paper13
|storemode=property
|title=
Навигация по тезаурусам и поиск в распределенных гетерогенных информационных системах

(Navigation Based on Thesauruses and Search in the Distributed Heterogeneous Information Systems)

|pdfUrl=https://ceur-ws.org/Vol-1752/paper13.pdf
|volume=Vol-1752
|authors=Oleg Zhizhimov,Saya Santeeva
|dblpUrl=https://dblp.org/rec/conf/rcdl/ZhizhimovS16
}}
==
Навигация по тезаурусам и поиск в распределенных гетерогенных информационных системах

(Navigation Based on Thesauruses and Search in the Distributed Heterogeneous Information Systems)
==
<pdf width="1500px">https://ceur-ws.org/Vol-1752/paper13.pdf</pdf>
<pre>
    Навигация по тезаурусам и поиск в распределенных
        гетерогенных информационных системах

                  © О. Л. Жижимов                                  © С. А. Сантеева

              Институт вычислительных технологий СО РАН (ИВТ СО РАН),
                    Новосибирский государственный университет (НГУ)
                                      Новосибирск
               zhizhim@mail.ru                     saya_santeeva@mail.ru

                 Аннотация                              предъявляют очень жесткие требования к
                                                        организации информационных систем и баз данных
Обсуждаются вопросы, связанные с построением            вплоть до полной перегрузки информации в
пользовательских интерфейсов для навигации по           промежуточные      хранилища,     функциональные
статьям тезаурусов и рубрикаторов в гетерогенных        свойства которых позволяют обеспечить выявление
информационных системах. Приводятся некоторые           всех       семантических       связей       между
алгоритмы формирования этих интерфейсов с               информационными объектами на основе заданных
учетом привязки внешних информационных                  онтологических моделей. Такой подход имеет право
ресурсов к выбранным статьям тезаурусов и               на существование, однако остается открытым вопрос
рубрикаторов. Основной акцент сделан на                 о том, как включить поиск семантически связанной
динамическую привязку внешних ресурсов на основе        информации в существующих распределенных
текстового поиска по наборам характеристических         гетерогенных информационных ресурсах, причем в
терминов. Описываются стенд для проведения              случае, когда они не могут быть перегружены в
исследований и результаты исследований на               специализированные хранилища.
тестовых экспертных наборах данных.                         Настоящая работа посвящена описанию способов
                                                        поиска семантически связанной информации в
Работа выполнена при поддержке гранта ведущих           распределенных гетерогенных информационных
научных школ НШ-7214.2016.9.                            системах (базах данных) без использования
                                                        специализированных технологий семантического
1 Навигация по рубрикаторам и поиск                     поиска, основанных на моделях Semantic WEB [3-6].
в гетерогенных информационных                           Описание способов будет иллюстрироваться их
системах                                                реализацией в существующих программных
                                                        продуктах, в частности, на примере программной
   С     развитием     технологий     построения        платформы ZooSPACE [7], предназначенной для
гетерогенных распределенных информационных              интеграции       разнородных       распределенных
систем, включающих в себя множество различных           информационных            систем,         успешно
баз данных с различной структурой и содержанием,        функционирующей в ИВТ СО РАН на базе
актуальным становится вопрос поиска информации в        распределенных узлов в городах Новосибирск,
базах данных с использованием онтологий,                Томск, Красноярск и Иркутск и объединяющей
тезаурусов     и    классификационных      схем,        сегодня более 70 различных баз данных с общим
представленных в виде отдельных баз данных              количеством записей более 60 миллионов.
(БДОТК - базы данных онтологий, тезаурусов и                Несмотря на привлекательность перспектив
классификаторов).                                       использования технологий Semantic Web для поиска
   Существует множество различных способов              информации [8], реальность сталкивается с фактом,
построения БДОТК, организации доступа к их              что подавляющее большинство информационных
содержимому и реализации явных и неявных связей         ресурсов, организованных в виде различных баз
между БДОТК и другими гетерогенными                     данных (реляционных, иерархических, сетевых и
информационными ресурсами. Многие из этих               пр.), поддерживают прежде всего ту или иную
способов основаны на строгих онтологических             булеву      модель      атрибутивного       поиска
моделях [1,2] и для практической реализации             информации [9], т.е. поиска, основанного на
                                                        использовании метаданных и предопределенных
Труды   XVIII Международной конференции                 индексов (точек доступа).
DAMDID/RCDL’2016 «Аналитика и управление                    Нашу задачу можно сформулировать и так:
данными     в   областях   с    интенсивным             требуется найти все записи в некотором множестве
использованием данных», Ершово, 11-14 октября           гетерогенных     баз    данных,     которые    бы
2016                                                    соответствовали определенной онтологической




                                                   78
   Рисунок 1 Формирование структуры записи статьи тезауруса с динамическими связями с внешними
   базами данных

сущности (статье тезауруса, рубрике, коду                 запросов отличается от стандартного для SRU языка
рубрикатора и пр.). Для определенности ниже эту           запросов CQL, но на наш взгляд он более удобен для
онтологическую сущность мы будем ниже называть            формирования запросов и, что немаловажно, более
статьей тезауруса, понимая, что на ее месте может         нагляден.
быть и другое. В качестве решения можно                      На Рисунке 1 схематично представлен алгоритм
рассматривать алгоритм получения результата,              работы клиента и сервера при просмотре статьи
реализованный      в   виде    функционирующего           тезауруса.
серверного программного модуля для некоторой                 Выбор клиентом статьи тезауруса порождает
информационной системы. Эта задача практически            обращение к WEB-серверу, который в свою очередь
полностью эквивалентна задачи навигации по                формирует запрос к серверу баз данных, хранящему
статьям тезауруса, когда для текущей статьи               информацию о текущем тезаурусе (БД тезауруса).
тезауруса отображается информация о связанных с           Этот запрос соответствует запросу на поиск записи
этой статьей записях из выбранного множества в            (статьи) по ее однозначному идентификатору, в
общем случае гетерогенных баз данных. При этом            результате его выполнения должна быть получена
«привязка» связанных записей баз данных к статье          запись БД, соответствующая требуемой статье
тезауруса должна быть динамической, т.е.                  тезауруса и содержащей полную информацию о ней.
формироваться      в    процессе    формирования             Если клиентом был сформулирован список баз
представления собственно статьи тезауруса.                данных, записи которых следует соотнести с
   Итак, клиент, используя WEB-браузер может              текущей статьей тезауруса, должен быть включен
просматривать тезаурус, перемещаясь по связанным          механизм формирования запросов к каждой базе
статьям. Каждая выбранная статья тезауруса должна         данных из выбранного списка, выполнения этих
быть представлена клиенту в виде некоторой                запросов на соответствующих серверах БД,
универсальной структуры, которая может быть               получение ответов и формирование специальных
однозначно интерпретирована, т.е. эта структура           элементов (postings) в записи статьи тезауруса,
должна соответствовать какой-нибудь стандартной           содержащих информацию об именах баз данных и
схеме данных, используемой для описания статей            количестве найденных записей [10]. Заметим, что
тезауруса. Ниже везде мы будем использовать схему         выполнение запросов к внешним базам данных
данных ZThes [10] в формате XML [11]. Также мы            может происходить параллельно с асинхронным
будем подразумевать, что все необходимые                  завершением.
обращения к серверам баз данных будут                        <term>
                                                              . . .
соответствовать спецификациям SRU [12] с языком                <relation>
запросов RPN [13] в синтаксисе PQF [14]. Этот язык               <termID>31.27.20</termID>




                                                     79
                             Запрос к серверу внешней БД



                                                                       SRU
                 Точки доступа к    Нет       Запрос Explain к
                                                                               Сервер БД (SRW/SRU)
                  БД известны?                  серверу БД


                   Да                                                  SRU
                                              Получение ответа



                                            Анализ точек доступа
                                                  для БД


                                           Формирование запроса
                                               на количество
                                            релевантных записей
                                                                       SRU
                                              Запрос на поиск к
                                                                               Сервер БД (SRW/SRU)
                                                 серверу БД

                                                                       SRU
                                              Получение ответа




   Рисунок 2 Формирование и исполнение запроса к внешней базе данных
       <relationType>RT</relationType>                         Например, из записи Explain можно сделать
       <termQualifier>31.27.20</termQualifier>
       <termName>Биохимия вирусов</termName>
                                                           вывод, что внешняя база данных поддерживает
       <termLanguage>rus</termLanguage>                    поисковые атрибуты USE (type 1) 14 (УДК) и 21
     </relation>                                           (ключевые слова), операция сравнения - «равно»
     <postings>                                            (type 2 = 3), поисковые термы интерпретируются как
       <SourceDB>AB</SourceDB>
       <hitCount>1022</hitCount>                           строки или слова (type 4=1,2,108), поиск возможен
     </postings>                                           как по точному совпадению (type 5=100), так и по
   </term>                                                 усечению справа (type 5=1). Поэтому к этой БД мы
   Несомненно, самым критичным блоком этого                можем обращаться с поиском «по ключевым словам»
алгоритма является блок формирования запросов к            и кодам рубрикатора УДК, т.е. если текущая статья
серверам внешних БД (на Рисунке 1 это блок обведен         нашего тезауруса (рубрикатора) является описанием
пунктиром). Именно от работы этого блока зависит           рубрики УДК, то запрос к внешней БД должен
качество динамической привязки записей внешних             выглядеть следующим образом (RPN в синтаксисе
БД к текущей статье тезауруса. Работа этого блока          PQF):
представлена на Рисунке 2.                                         @attr 1=14 @attr 5=1 {term}
   Прежде, чем сформировать запрос к серверу               где вместо «term» должен фигурировать код текущей
внешней БД, необходимо выяснить возможности                рубрики. Следует заметить, что здесь запрос
этой БД в смысле поиска информации, т.е. в                 сформулирован с усечением справа, т.е. будут
терминах      SRU      (или    Z39.50) определить          найдены все записи, коды УДК которых начинаются
поддерживаемые поисковые атрибуты и варианты их            с символов «term». Для иерархических рубрикаторов
комбинаций. Если отбросить тривиальные и                   это означает, что к текущей рубрике будут
маловероятные конфигурации с фиксированными                привязаны записи БД, содержащие коды УДК не
точками доступа, существует только один                    только текущей, но и всех дочерних рубрик.
регулярный способ – предварительно выполнить                   В     случае     тезауруса    каждая    статья
запрос    explain   (SRU,   SRW,      Z39.50)    и         идентифицируется ее заголовком, поэтому поиск во
проанализировать полученную структуру на предмет           внешних БД следует выполнять по ключевым
выявления поддержки требуемых поисковых                    словам, причем по полному их совпадению:
атрибутов.                                                                  @attr 1=21 {term}




                                                      80
где вместо «term» должен фигурировать заголовок               <termQualifier>025.4.03</termQualifier>
текущей статьи тезауруса.                                   </relation>
                                                          </term>
    Строго говоря, такие запросы к внешним БД             </Zthes>
возможны только тогда, когда                                 Технически динамическая привязка записей из
   1. Для рубрикаторов:                                   внешней БД осуществляется также, как описано
                                                          выше.
        a. для всех внешних БД возможен поиск по
            кодам текущего рубрикатора                    1.2 Поиск по текстовым характеристикам статьи
   2. Для тезаурусов:                                     рубрикатора
        a. для всех внешних БД возможен поиск по             Если внешняя БД не проиндексирована по кодам
            ключевым словам                               текущего и связанных рубрикаторов, динамическая
        b. ключевые слова для всех внешних БД             привязка ее записей к статьям текущего рубрикатора
            сгенерированы из заголовков статей            становится задачей нетривиальной.
            текущего тезауруса.                              Действительно, для того чтобы записи из
     Последнее условие (2b) практически никогда не        внешних БД могли быть динамически привязаны к
выполняется, поскольку разработчики той или иной          текущей рубрике, необходимо иметь поисковый
внешней БД могут использовать тезаурусы,                  образ документов, соответствующих этой рубрике.
отличающиеся от нашего текущего, или не                   При этом почти очевидно, что для такого поискового
использовать вообще никакие, выбирая ключевые             образа     практически        бесполезна    текстовая
слова для записей БД в соответствии со своими             информация, которая обычно присутствует в
правилами.                                                описании статьи рубрикатора (название, описание,
    Возникает вопрос - как можно соотносить записи        названия связанных рубрик и т.п.). Тем не менее,
внешних БД с текущей статьей тезауруса при                можно придумать схему динамической привязки,
нарушении приведенных выше условий.                       основываясь, например, на векторной модели поиска
                                                          и дополнительной информации, которой должна
    Для рубрикаторов при нарушении условия 1a             быть дополнена каждая статья рубрикатора.
возможны два варианта:
                                                             В векторной модели поиска в качестве
    1. поиск по связанным кодам других                    поискового образа выступает некоторый уникальный
        рубрикаторов                                      для    каждой      статьи       рубрикатора   вектор,
    2. поиск по текстовым характеристикам статьи          определенный в многомерном пространстве в
        рубрикатора                                       декартовой системе координат, каждая ось которой
                                                          соответствуют своему уникальному термину из
1.1 Поиск по связанным кодам других                       фиксированного списка терминов, характеризующих
рубрикаторов                                              данную рубрику (Q1, Q2, ..., Qn) [15]. Если
   Поиск по связанным кодам других рубрикаторов           рассматривать каждую запись внешней БД как
может быть полезен, когда внешняя база                    аналогичный вектор в пространстве встречающихся
проиндексирована по этим кодам. Действительно,            в ней терминов (X1, X2, ..., Xm), то можно говорить о
если внешняя БД не проиндексирована по кодам              скалярном произведении векторов Q и X. Чем
текущего рубрикатора, например, ГРНТИ, но                 больше это скалярное произведение, тем выше
проиндексирована по кодам УДК, наличие связи              релевантность записи X запросу Q. Критерием
между статьей рубрикатора ГРНТИ и статьями УДК            отбора записей может быть выполнение условия
позволяет выполнить динамическую привязку                                1
записей из внешней БД не по кодам ГРНТИ, а по                                (𝑸𝑸 ∙ 𝑿𝑿) ≥ 𝑠𝑠, 𝑠𝑠 ≤ 1
                                                                          𝑛𝑛
кодам УДК.                                                   Таким образом, для реализации динамической
<Zthes>                                                   связи записей из внешних БД со статьей текущего
. . .
<term>
                                                          рубрикатора, необходимо:
  <termID>20.23.19</termID>                                  Наличие для каждой статьи рубрикатора
  <termQualifier>20.23.19</termQualifier>                 уникального характеристического вектора. Этот
  <termName>
     Процессы информационного поиска                      вектор может быть построен только в результате
  </termName>                                             обработки большого количества документов, уже
  <termType>NT</termType>                                 имеющих в результате экспертной оценки коды
  <termLanguage>rus</termLanguage>
                                                          рубрик текущего рубрикатора. При этом для каждой
  <relation>                                              рубрики количество обработанных документов
    <termID>20.23</termID>                                должно быть достаточно большим. Вопрос о
    <relationType>BT</relationType>                       достаточной размерности вектора, т.е. о количестве
    <termQualifier>20.23</termQualifier>
    <termName>Информационный поиск</termName>             необходимых характеристических терминов зависит
    <termLanguage>rus</termLanguage>                      от структуры рубрикатора и может быть решен в
  </relation>                                             результате тестов.
  <relation>
    <SourceDB>ruudc</SourceDB>                               Определение параметра s, характеризующего
    <relationType>RT</relationType>                       минимально допустимое значение скалярного



                                                     81
произведения векторов при поиске может быть                    где частные запросы qN и qNM соответствуют
произведено в результате тестов.                               характеристическим векторам qN и qNM для рубрик N
    Наличие        возможности         серверами     БД        и N.M соответственно.
обрабатывать поисковые запросы, соответствующие                   Таким    образом,     поиск    по     текстовым
векторной модели поиска. Это требование как                    характеристикам статьи рубрикатора возможен и
правило выполняется для поисковых систем,                      может быть реализован в соответствии с упрощенной
ориентированных на неструктурированную и                       векторной моделью поиска конвертированием
слабоструктурированную информацию. Серверы БД                  векторных запросов в булеву форму.
ориентированы на булеву модель [9] поиска, что
затрудняет использование обсуждаемой технологии                2 Экспериментальный стенд и
привязки записей. Тем не менее в простейшем
варианте без использования частот встречаемости
                                                               результаты тестирования
терминов в документе и в наборе документов,                       Для проверки качества работы описанного выше
поисковый запрос, соответствующий векторной                    механизма поиска во внешних ресурсах по
модели, может быть представлен в булевом виде.                 текстовым характеристикам статей рубрикаторов
    В        качестве          примера       рассмотрим        были использованы:
характеристический вектор длиной n=4 с терминами                  1. База данных «Рубрикатор ГРНТИ», доступ к
a, b, c, d: Q = (a, b, c, d)/4.                                       которой предоставлялся по протоколам
 Таблица 1                                                            Z39.50 и SRU в соответствии со
                                                                      спецификациями Zthes на платформе
              Булевый запрос                                          ZooSPACE.
                                              s     K
              (& - AND, | - OR)                                   2. Специализированная база данных (СБД),
 1   a&b&c&d                                  1     0                 содержащая      записи     РЖ      ВИНИТИ
                                                                      (Информатика,                  Автоматика,
 2   (a&b&c) | (a&b&d) | (a&c&d) |           0,75   1                 Вычислительные науки) с проставленными
     (b&c&d)                                                          экспертами ВИНИТИ кодами ГРНТИ для
                                                                      групп кодов:
 3   (a&b) | (a&c) | (a&d) | (b&c) | (b&d)   0,5    2
     | (d&c)                                                            a. 20.*.* - Информатика
                                                                        b. 28.*.* - Кибернетика
  4 a|b|c| d                                 0,25 3
                                                                        c. 50.*.* - Автоматика и телемеханика.
при этом количество групп, объединенных
                                                                            Вычислительная техника.
операторами OR, равно количеству сочетаний из n
элементов по k: 𝑘𝑘!/(𝑛𝑛 − 𝑘𝑘)!, причем s = (n − k)/n.                 по 200 записей для каждого кода. Для
                                                                      упрощения обработки эта БД была загружена
   Из приведенного примера видно, что
                                                                      в СУБД PostgreSQL с активизацией функций
   1. При заданной длине n вектора запроса Q                          полнотекстового поиска в полях Title, Subject,
       параметр критерия отбора a принимает                           Abstract.
       дискретные значения в интервале (0<s≤1) с
                                                                  3. Для числовых характеристик, описывающих
       шагом 1/n, причем s = (n − k)/n.
                                                                      качество поиска, использовались метрики
   2. Каждый булевый запрос для фиксированного                        [16]:
       s (или k) перекрывает все запросы с
       большими s (меньшими k).                                 Таблица 2
   3. При фиксированном параметре s для поиска                                 Релевантный          Не релевантный
       необходимо исполнить только один запрос,
       который содержит 𝑛𝑛!/𝑘𝑘! (𝑛𝑛 − 𝑘𝑘)! групп по               Найдено              a                  b
       (n-k) термов. При этом количество                         Не найдено            c                  d
       участвующих в запросе термов равно 𝑛𝑛!/
                                                                  Полнота:      𝑟𝑟 = 𝑎𝑎⁄(𝑎𝑎 + 𝑐𝑐)
       𝑘𝑘! (𝑛𝑛 − 𝑘𝑘 − 1)! .
                                                                  Точность:     p= 𝑎𝑎⁄(𝑎𝑎 + 𝑏𝑏)
   4. Группы объединяются оператором OR
       (ИЛИ), термы внутри группы объединяются                    Ошибка:     e = (𝑏𝑏 + 𝑐𝑐)/(𝑎𝑎 + 𝑏𝑏 + 𝑐𝑐 + 𝑑𝑑)
       оператором AND (И).                                        F-мера:     𝐹𝐹 = 2𝑝𝑝𝑝𝑝/(𝑝𝑝 + 𝑟𝑟)
   Наконец,         можно        сделать     некоторое            Для каждой рубрики ГРНТИ в указанных выше
предположение для иерархических рубрикаторов.                  группах на основании частоты встречаемости
Если нас интересует запрос для рубрики N.M.L, для              терминов в различных записях СБД и выполнения
которой определен характеристический вектор qNML и             запроса к СБД по этому термину был определен
соответствующий частный запрос qNML, то                        ранжированный по убыванию F список слов из
действующим запросом для рубрики N.M.L, будет                  заголовков, ключевых слов и аннотаций для
запрос вида                                                    соответствующих записей СБД.
   QLMN = QNM & qNML = qN & qNM & qNML                            На основе этого списка для каждой рубрики
                                                               ГРНТИ может быть построен наиболее эффективный



                                                          82
по вышеуказанным метрикам характеристический               оптимальных значений n и s в таблице 4 приведены
вектор. Мы использовали критерий максимального             значения метрик.
значения F при варьировании параметров n и s.               Таблица 3
                                                                    ГРНТИ                     Термины
         0,4
                      F, n=6                                   20.23.19 -              поисковый, запрос, поиск,
                      F, n=5                                   Процессы                       документ,
         0,3                                                информационного               информационный,
                      F, n=4
                                                                поиска                 пользователь, обработка,
                                                                                               база, …
   F ‐ мера




                      F, n=3
         0,2
                                                                28.23.27 -                робот, мобильный,
                                                            Интеллектуальные             движение, алгоритм,
         0,1
                                                            робототехнические                управление,
                                                                 системы                   предлагаться, …
                                                                 50.11.33 -           оптический, дисковод,
              0                                                 Оптические         воспроизведение, носитель,
                  0   0,2      0,4    0,6   0,8   1           запоминающие           диск, запись, память, …
    20.23.19                   Параметр s                       устройства
         0,7
                      F, n=6                                Таблица 4
         0,6          F, n=5                                                20.23.19       28.23.27     50.11.33
                      F, n=4                                    N               5              3            3
         0,5          F, n=3                                    S             0,8           0,667        0,667
                                                                K               1              1            1
   F ‐ мера




         0,4
                                                                R            0.360          0,508        0,430
         0,3                                                    P            0,350          0,707        0,629
                                                                E            0,009          0,009        0,005
         0,2                                                    F            0,355          0,591        0,511
         0,1
                                                              Таким образом, при наличии СБД можно
              0                                            определить для каждой рубрики:
                  0   0,2      0,4    0,6   0,8   1           1. Ранжированный список терминов
    28.23.27                   Параметр s                     2. Длину и содержание характеристического
                                                                  вектора
         0,6
                      F, n=5                                  3. Оптимальное значение параметра s (или k)
         0,5          F, n=4                               На основании этой информации можно построить
                                                           булевый поисковый запрос по текстовым атрибутам,
                      F, n=3
         0,4                                               который наиболее полно будет соответствовать
                                                           запросу по соответствующему коду рубрикатора.
   F ‐ мера




         0,3                                               При этом вероятность нахождения нужных записей в
                                                           найденном таким образом множестве записей
         0,2                                               предварительно известна и равна значению p.
                                                              Например, вместо запроса по коду ГРНТИ
         0,1                                               28.23.27 можно выполнять запрос вида
                                                               (робот & мобильный)
                                                               | (робот & движение)
              0
                                                               | (мобильный & движение)
                  0   0,2      0,4    0,6   0,8   1
                                                           Результат выполнения этого запроса будет
    50.11.33                   Параметр s                  содержать нужные данные с вероятностью 0,7.
                                                              Следует заметить:
Рисунок 3 Характерная зависимость F от длины                  1. Описанный механизм привязки внешних
характеристического вектора (n) и параметра s для                  ресурсов к кодам рубрикаторов хорошо
записей с разными кодами ГРНТИ.                                    работает для «грубых» рубрикаторов.
   В качестве примера приведем ранжированный                  2. Для      иерархических     рубрикаторов    и
список терминов для некоторых кодов ГРНТИ.                         рубрикаторов с «родственными» рубриками
Зависимость F-меры от длины характеристического                    качество          поиска          является
вектора и параметра s представлена на рисунке 3 для                удовлетворительным. При этом поисковые
трех кодов ГРНТИ. При этом для наиболее                            метрики сильно зависят от длины




                                                      83
        характеристических векторов и значения                       http://vuz.exponenta.ru/PDF/FOTO/kaz/Articles/sh
        критерия отбора. Обе этих характеристики                     arapov1.pdf
        могут быть получены на основе анализа                   [10] The      Zthes      specifications     for    thesaurus
        экспертных данных.                                           representation,      access      and    navigation    -
                                                                     http://zthes.z3950.org/
   В заключение следует заметить, что на основе                 [11] Extensible        Markup         Language       (XML),
изложенных выше методов и алгоритмов в                               http://www.w3.org/XML/
настоящее время разрабатываются программные                     [12] SRU - Search/Retrieve via URL// The Library of
модули для системы ZooSPACE, реализующие                             Congress.                -            USA             -
графические пользовательские интерфейсы для                          http://www.loc.gov/standards/sru/
навигации по тезаурусам и рубрикаторам с                        [13] RPN                                                   -
привязкой информации из разнородных источников.                      https://www.loc.gov/z3950/agency/markup/09.html
Литература                                                      [14] Mike Taylor. PQF - http://search.cpan.org/dist/Net-
[1] Web         Ontology        Language        (OWL),               Z3950-PQF/lib/Net/Z3950/PQF.pm
    http://www.w3.org/2004/OWL/                                 [15] Э. Мбайкоджи, А.А. Драль, И.В. Соченков.
[2] Онтология (информатика) — Материал из                            Метод автоматической классификации коротких
    Википедии - свободной энциклопедии —                             текстовых                                  сообщений.
    http://ru.wikipedia.org/wiki/Онтология_(информа                  http://elib.ict.nsc.ru/jspui/bitstream/ICT/1396/1/93_
    тика)                                                            102.pdf
[3] Semantic Web, http://www.w3.org/2001/sw/                    [16] М. Агеев, И. Кураленок, И.Некрестьянов.
[4] Tim Berners-Lee, James Hendler and Ora Lassila,                  Официальные           метрики        РОМИП        2006
    The                  Semantic                   Web,             http://romip.ru/romip2006/appendix_a_metrics.pdf
    http://sciam.com/article.cfm?articleID=00048144-
    10D2-1C70-84A9809EC588EF21
[5] Metadata                               Architecture,
    http://www.w3.org/DesignIssues/Metadata                         Thesaurus navigation and search in the
[6] W3C standards, http://w3.org/sw/                            distributed heterogeneous information systems
[7] Жижимов О.Л., Федотов А.М., Шокин Ю.И.
                                                                          Oleg L. Zhizhimov, Saya A. Santeeva
    Технологическая          платформа        массовой
                                                                    The issues related to creation of the user interfaces for
    интеграции гетерогенных данных // Вестник
                                                                navigation through the articles of thesauruses and
    Новосибирского                   государственного
                                                                rubricators in heterogeneous information systems are
    университета.        Серия:      Информационные
                                                                discussed. The algorithms of formation of these
    технологии. - 2013. - Т.11. - № 1. - С.24-41. - ISSN
                                                                interfaces taking into account a binding of external
    1818-7900.
                                                                information resources to the chosen articles of
[8] Guha R. Semantic search / R. Guha, R. McCool, E.            thesauruses and rubricators are given. The main
    Miller // Proceedings of the 12th international             emphasis is placed on a dynamic binding of external
    conference on World Wide Web. – N.Y. ACM                    resources based on text search in the sets of characteristic
    Press, 2003. – P. 700–709.                                  terms. The workbench for studies as well as the research
[9] Шарапов Р.В., Шарапова Е.В., Саратсвцева О.А.               results obtained on the testing expert data sets are
    Модели           информационного            поиска.         described.




                                                           84

</pre>